一种自噬膜计算的燃料电池优化建模方法技术

本发明专利技术公开了一种自噬膜计算的燃料电池优化建模方法。包括如下步骤：1）通过现场操作或者实验获得燃料电池的电流输入和电压输出采样数据，将燃料电池模型的估计输出与实际输出采样数据的误差平方和作为最小化目标函数；2）受生物细胞胞内物质及能量的重组、变异、自噬启发，抽象出一种自噬膜计算的燃料电池优化建模方法及其相应的仿生规则；3)设定算法运行参数；4）运行所述的自噬膜计算优化算法对燃料电池模型中的未知参数进行估计，通过最小化目标函数，得到模型中未知参数的估计值，将估计值代入燃料电池模型中，形成数学模型。本发明专利技术建模方法，具有抗早熟、寻优精度高、收敛快的特点，也适用于其他复杂化学反应过程的建模。

【技术实现步骤摘要】

本专利技术涉及优化建模方法，尤其涉及一种自噬膜计算的质子交换膜燃料电池优化建模方法。
技术介绍
由于具有严重的非线性特性，燃料电池建模一直是电化学领域的研究难点和热点。燃料电池的研究都以其数学建模为基础，建立准确的数学模型对燃料电池的理论研究和工程应用具有重要的意义；纵观目前各种燃料电池，质子交换膜燃料电池因其环保、高效低排、电池体表温度低、可快速响应负载的变化并能快速启停、低压安全可靠及普及潜力巨大等优点而受到广泛的关注；因此，质子交换膜燃料电池的建模准确度问题也变得日渐重要。研究者们采用机理-经验相结合的建模方法，即系统辨识方法，根据燃料电池的机理和表象特征提出其模型结构，选择适宜的参数估计方法，求取模型参数。这些未知参数的估计值对得到的燃料电池数学模型的准确性有着重要影响。因此，在燃料电池模型结构式已知情况下的建模问题，可以将燃料电池模型的参数估计转化为优化问题。对于具有复杂性、约束性、非线性、多局部极小点等特点的工程实际优化问题，传统的优化方法容易陷入局部最优值或者甚至得不到最优值，使得受生物启发的智能优化方法得到人们的重视。 细胞是生物系统的基石，同时又是一个经过漫长进化的具有复杂结构的精妙的“机器”，它内部错综复杂的行为都是在有效的方式下进行自我调节。过去计算科学却没有充分考虑到把细胞作为计算模型的灵感源泉，膜计算就是适应这种挑战而产生的。1998年，欧洲科学院院士 (iheorghe Mim提出了膜计算的概念。生物细胞膜内的生化反应或细胞膜之间的物质交流被看成是一种计算过程，甚至细胞之间的物质交换也可以看成是计算单元之间的信息交流；从广义上来说，可以将整个生物体看成一个细胞膜，甚至可以将一个生物系统看成一个膜。本专利技术方法根据生物细胞胞内物质及能量的变异、传递及运输功能以及细胞膜的形态特征，抽象出自噬膜计算优化算法及相应的规则，可用于求解复杂的非线性优化问题； 基于 J. C. Amphlett 等人于 1995 发表在美国期刊名为 Journal ofthe Electrochemical Society上卷142，页码1_15的质子交换膜燃料电池的机理数学模型，考虑到其内部电化学反应过程的高度非线性和复杂性，将所提自噬膜计算优化建模方法用于解决质子交换膜燃料电池模型参数估计中，取得较理想的效果。
技术实现思路
本专利技术的目的是克服现有技术不足，提供了一种自噬膜计算的质子交换膜燃料电池优化建模方法。自噬膜计算的燃料电池优化建模方法包括如下步骤1)通过现场操作或者实验获得燃料电池的电流输入和电压输出的采样数据，对于同一组燃料电池的电流输入采样数据，燃料电池模型的电压估计输出与燃料电池的电压实际输出数据的误差平方和作为目标函数；2)根据生物细胞胞内物质及能量的重组、变异及自噬现象，抽象出自噬膜计算的燃料电池优化建模方法；受细胞膜内各种细胞器功能的启发，提出如下自噬膜计算优化方法的规则选择规则、交流规则、突发变异规则、重组规则和自噬规则；3)设定自噬膜计算优化算法的初始环境和参数拓扑结构、自噬膜计算运行的进化代数G = 500、突发变异概率为;^ =ap + 1+exp、交流概率p。= 0. 2、重组概率ps。=0.2、自噬概率Pa = 0.8、可接受误差的大小ε = IX 10_4和自噬膜计算方法的终止规则，其中 ειρ = 0. 001，bp = 0. 099，cp = 15/G，G0 = G/2，g 为当前运行代数；4)运行自噬膜计算优化算法估计燃料电池模型中的未知参数ξ2，ξ 3, l4,b, A，R。其中，ξ” I2, I3' ξ 4为电化学极化或活化极化电动势系数、b为浓差极化过电势系数、λ为欧姆电压降的外电路系数、R。为欧姆电压降的燃料电池内电阻；通过最小化目标函数，得到燃料电池模型中未知参数的估计值，将估计值代入燃料电池模型中，形成燃料电池的数学模型。所述的自噬膜计算优化算法的终止规则为自噬膜计算优化算法所寻得的最优值小于可接受误差或自噬膜计算优化算法的运行代数达到最大代数。所述的自噬膜计算优化算法的膜拓扑结构为一巢形膜结构，除表层膜和最内层膜外，其它膜都包含其临近内层膜并同时被其外层膜包含。所述的自噬膜计算优化算法对燃料电池模型中的未知参数进行估计的步骤为1)设定自噬膜计算优化方法的初始环境和燃料电池模型7个待估参数的搜索范围，随机产生对象集；2)燃料电池模型的各组电流下的电压估计输出值与实际燃料电池的相应电流下的电压采样输出值的误差平方和作为目标函数；3)具有巢型膜结构的自噬膜计算优化算法从最内层膜开始计算，除表层膜外的所有膜内部区域的对象依次执行选择规则、交流规则、重组规则、突发变异规则操作；4)如果每个膜内区域的所有对象进化完毕则进入步骤5)，否则返回步骤3)；5)表层膜内对象执行选择规则、交流规则、重组规则、突发变异规则、终止规则； 如果满足终止规则，则转入步骤6)；否则使用自噬规则并将其部分最优解，即部分侯选对象通过交流规则发送至最内层膜中，继续步骤幻，完成下一代的寻优搜索；6)当自噬膜计算优化算法运行达到算法的终止准则，所得最优值作为燃料电池模型未知参数的估计值，将估计值代入燃料电池模型中，形成燃料电池的数学模型。所述的选择规则、交流规则、突发变异规则、重组规则、自噬规则、终止规则为1)选择规则根据细胞膜的特性描述，细胞膜为卵磷脂双分子层与蛋白质镶嵌的枣糕模型，卵磷脂双分子层具有流动性，能够有选择的让部分生命所需物质通过主动运输、协同运输和自由运输进出细胞膜；选择规则定义为拥有小目标函数值的对象将作为候选交流对象；所有对象均为搜索空间内的可行解和它的目标函数值的组合；2)交流规则交流规则表述为当前膜将其一部分候选对象发送到其临近的外层膜中；但某一运行代数的表层膜部分候选对象则与最内层膜的对象交流为下一运行周期做准备；此处，交流定义为用部分候选对象集替代目标膜内等数量的最差对象集；3)重组规则细胞膜内有很多的细胞器，20多种氨基酸形成多种蛋白质以供生命体生存及维持相应体征；细胞膜内蛋白质在特殊情况下也会进行分子重组；模拟蛋白质的分子重组，算法通过重组规则产生出新的对象，这一规则为 权利要求1.，其特征包括如下步骤1)通过现场操作或者实验获得燃料电池的电流输入和电压输出的采样数据，对于同一组燃料电池的电流输入采样数据，燃料电池模型的电压估计输出与燃料电池的电压实际输出数据的误差平方和作为目标函数；2)根据生物细胞胞内物质及能量的重组、变异及自噬现象，抽象出自噬膜计算的燃料电池优化建模方法；受细胞膜内各种细胞器功能的启发，提出如下自噬膜计算优化方法的规则选择规则、交流规则、突发变异规则、重组规则和自噬规则；3)设定自噬膜计算优化算法的初始环境和参数拓扑结构、自噬膜计算运行的进化代数G = 500、突发变异概率为;^ =ap + 1+exp、交流概率p。= 0. 2、重组概率ps。= 0.2,自噬概率Pa = 0.8、可接受误差的大小ε = IX 10_4和自噬膜计算方法的终止规则，其中、 =0. 001，bp = 0. 099，cp = 15/G，G0 = G/2，g 为当前运行代数；4)运行自噬膜计算优化算法估计燃料电池模型中的未知参数ξ”ξ2，ξ3，l4,b,本文档来自技高网...

【技术保护点】

【技术特征摘要】

【专利技术属性】
技术研发人员：杨世品，王宁，
申请(专利权)人：浙江大学，
类型：发明
国别省市：